非参数回归模型均值与方差双重变点的估计

本文基于核估计和小波方法研究异方差非参数回归模型中均值函数和方差函数均存在变点的估计问题.首先,构造基于均值函数的核估计量,求出均值变点位置及跳跃度的估计.其次,利用小波方法构造方差变点的估计量,运用该估计量获得方差变点位置与跳跃度的估计,给出变点估计量的渐近性质.最后数值模拟并通过比较验证了方法的有效性.     

t分布的代表点及其在统计模拟中的应用

本文首先讨论了在均方误最小意义下学生氏tn分布代表点,利用方开泰、贺曙东的算法找出代表点,证明了当n≥3时,t_n分布总体下算法的收敛性,代表点的存在性及其唯一性,并从t_n分布角度研究了代表点在统计模拟方面的应用。传统的蒙特卡罗方法和自助法及重抽样方法对随机样本进行抽样,是统计模拟方法的基础.Fang,Zhou,Wang讨论了一元正态分布的代表点在统计模拟中的应用并且首次提出用代表点代替独立同分布的随机样本,构造一个离散的近似总体,通过对近似总体重复抽样来进行统计推断.这是—个新思想.本文继续探讨这个问题,文中统计推断主要有两部分:经典估计和稳健估计.经典估计主要集中考虑参数点估计(均值、方差、偏度和峰度);稳健估计主要考虑简单的位置参数(中位数和均值)和尺度参数(中位数绝对偏差和四分位距).我们的结果再次验证,代表点方法可以明显地提高统计估计量的精确度以及收敛速度.     

非参数异方差回归模型的局部多项式估计——基于农村居民消费与收入的实证分析

本文主要研究非参数异方差回归模型的局部多项式估计问题.首先利用局部线性逼近的技巧,得到了回归均值函数的局部极大似然估计.然后,考虑到回归方差函数的非负性,利用局部对数多项式拟合,得到了方差函数的局部多项式估计,保证了估计量的非负性,并证明了估计量的渐近性质.最后,通过对农村居民消费与收入的实证研究,说明了非参数异方差回归模型的局部多项式方法比普通最小二乘估计法的拟合效果更好,并且预测的精度更高.     

空间非参回归的变量选择

空间变系数回归模型是空间线性回归模型的重要推广,在实际中有广泛的应用.然而,这个模型的变量选择问题还没有解决.本文通过一般的M型损失函数将均值回归、中位数回归、分位数回归和稳健均值回归纳入同一框架下,然后基于B样条近似,提出一个能够同时进行变量选择和函数系数估计的自适应组内(adaptive group)L_r(r≥1)范数惩罚的M型估计量.新方法有几个显著的特点:(1)对异常点和重尾分布稳健;(2)能够兼容异方差性,允许显著变量集合随所考虑的分位点不同而变化;(3)兼顾了估计量的有效性和稳健性.在较弱假设条件下,建立了变量选择的oracle性质.随机模拟和实例分析验证了所提方法在有限样本时的表现.     

基于充分降维的半参数不可忽略无响应光滑分位回归

文章在响应变量不可忽略缺失假定下,考察了分位回归的估计问题.文章首先建立半参数指数倾斜响应模型,为克服不可忽略缺失数据的识别性困难,避免多元非参数核估计造成的维数灾难,文章基于充分降维假设,利用数据驱动方法构造缺失工具变量,得到倾斜参数的轮廓两步广义矩估计量和非参数部分的降维核估计量;基于上述估计量建立逆概率加权(IPW)、核辅助估计方程插补(EEI)和增强逆概率加权(AIPW)三种分位回归估计方程,并利用卷积平滑分位损失函数代替经典的分位损失函数克服检查函数不平滑造成的理论和计算困难,回归系数的估计量由经验似然方法得到.理论研究证明了三种估计量等价的渐近正态性和相应对数经验似然比函数的渐近χ²加权和性质.数值模拟比较了上述估计量的有限样本性能.最后对HIV-CD4实际数据进行分析.     

可加模型的无交叉分位回归曲线与房价问题研究

高维数据分析是当前研究的热点话题,而在对其进行分析时,非参数方法由于其灵活,无需对模型进行假定,得到了广泛的发展和认可。其中可加模型不仅能够有效地对变量进行降维,避免"维数灾难"的发生;而且能够得到各个变量的边际效应,具有很好的解释性。为了得到更加稳健的估计量,本文考虑利用分位回归方法对可加模型进行估计。分位回归方法由于其能够全面地刻画因变量在各个分位点上的变化趋势,并不受误差分布的限制,使得该方法具有更广泛的应用性。本文综合考虑以上优势,提出局部线性最小化检验函数估计方法和局部线性双核估计方法对可加模型进行估计。并且该方法能够有效地避免可加模型分位回归曲线的交叉问题.蒙特卡洛结果显示,与传统的均值估计法相比,不论误差分布的形式,我们提出的方法更具有优越性。用北京市二手房房价数据进行实证分析,进一步验证了本文提出的估计方法。     

删失指标随机缺失下回归函数的复合分位数回归估计

在非参数回归模型中,传统的Nadaraya-Watson核估计和局部多项式估计常常因为误差为重尾情况而变得不稳健,Kai等人(2010)提出的复合分位数回归方法能弥补这一缺陷.文章在删失指标随机缺失的情况下,研究了误差具有异方差结构的非参数删失回归模型,利用局部多项式方法构造了回归函数的复合分位数回归估计,并得到了该估计的渐近正态性结果,把Kai等人(2010)的结果推广到删失指标随机缺失的右删失数据下.最后通过模拟发现,尤其是当误差为重尾分布时,该估计方法比Wang和Zheng (2014)提出的核估计方法更好.     

参数受限制时的Fiducial区间及其应用

给出在参数受限制的情形下, 求参数函数Fiducial区间估计的一般方法, 并将之应用于位置(刻度)分布族和方差分量模型. 对于位置(刻度)分布族中位置(刻度)参数及参数的差异, 证明了所得到的Fiducial区间为频率意义下的置信区间. 对于方差分量模型中普遍关心的3个参数函数, 求出了其Fiducial区间, 并从理论分析和模拟计算两方面讨论了它们的频率性质.     

系数函数光滑度互不相同的变系数模型的一步估计法

该文提出了一种一步估计方法用以估计变系数模型中具有互不相同光滑度的未知函数, 所有未知函数和它们的导数的估计量由 一次极小化得到. 给出了估计量的渐近性质, 包括渐近偏差、方差和渐近分布, 一步估计量被证明达到了最优收敛速度.     

三参数Ⅰ型广义Logistic分布参数的一类改进估计

广义Logistic分布族在生物、医学、金融管理,以及气象、水文、地质等领域有重要的应用。迄今为止,对此分布族的研究已取得了一系列重要成果;令人遗憾的是,关于三参数I型广义Logistic分布的研究还很不深入。本文利用矩法首先讨论三参数I型广义Logistic分布形状参数的估计,然后利用线性回归分析方法讨论分布的位置参数和刻度参数的估计,改进矩估计。本文所给出的分布参数的估计方法简单、有效;证明了在一定的条件下,本文给出的估计量存在、唯一,且模拟显示:估计量在中小样本情形下,一致优于分布参数的矩估计和L矩估计;特别是在样本容量n介于20和30之间时,估计量有更小的估计偏差和方差。估计方法简单、实用且有效。     

非参数模型的稳健跳点检测估计

非参数模型是统计学中常用的一类模型.在实际应用中,回归函数可能不是连续的,即在某些未知的位置上存在跳点.检测这些跳点对于回归函数的估计非常重要.本文基于B样条和众数估计,提出一个稳健跳点检测方法.然后利用检测出的跳点给出了回归函数的稳健有效估计量,并讨论了参数的选择.数值模拟和实例分析验证了所提方法在有限样本下的表现.     

基于众数回归的变系数部分非线性模型的稳健估计

针对变系数部分非线性模型,提出了一种稳健的基于众数回归的两阶段估计方法.首先,基于B-样条函数近似系数函数,利用QR正交分解技术构造了非线性模型,得到了参数的非线性最小二乘估计.其次,提出了变系数函数的众数回归估计量.在一定条件下,证明了估计量的渐近性质.通过数值模拟和实际数据分析,说明了所提估计方法的有效性.     

空间半参数变系数部分线性回归中的分位数估计

本文研究了空间数据变系数部分线性回归中的分位数估计. 模型中的参数估计量通过未知系数函数的分段多项式逼近得到, 而未知系数函数的估计量通过将参数估计量代入模型中并通过局部线性逼近得到. 文中推导了未知参数向量估计量的渐近分布, 并建立了未知系数函数估计量在内点及边界点的渐近分布. 通过Monte Carlo 模拟研究了估计量的有限样本性质.     

异方差情形下平均处理效应的半参数估计

本文主要探讨在扰动项分布对称的假定下,平均处理效应的半参数估计。本文考虑了一种非常普遍形式的异方差,使得我们在估计平均处理效应时,大大扩展了对异方差的处理范围。本文给出了N~(1/2)收敛速度的一致估计量及其渐进正态性质。本文遵循参数框架下常见的两步估计方法,这种方法广泛地运用于半参数的研究中。一个简单的Monte Carlo模拟将用来对比说明本文中估计方法的实际意义。     

基于四系统估计量的人口普查净覆盖误差估计

针对当今人口普查净覆盖误差估计领域所使用的双系统估计量内含交互作用偏差和尚未投入使用的三系统估计量未有效使用人口行政记录的问题,以四系统估计量为研究目标.为实现目标,采取文献解读法、抽样估计法和现场调查法,研究4次捕获模型、全面登记的四系统估计量和抽样登记的四系统估计量.研究表明:四系统估计量须在等概率人口层建立及使用,否则产生异质性偏差;构造四系统估计量应该分两步进行,首先构造全面登记的四系统估计量,然后使用双重扩张估计量构造全面登记的四系统估计量的子总体指标的估计量,以得到抽样登记的四系统估计量;分层刀切抽样方差估计量适合于近似计算抽样登记的四系统估计量及净覆盖误差的抽样方差.研究价值在于,四系统估计量有望应用于政府统计部门未来的净覆盖误差估计.     

基于协变量缺失的Horvitz-Thompson加权分位回归估计方法

含有协变量缺失的数据缺失问题是现代统计分析中的热点之一.当缺失数据中同时存在厚尾,偏斜和异方差问题时则更加难以处理.为此,本文提出一种逆概率加权分位回归估计来研究响应和协变量之间的关系.与经典估计方法相比具有明显优势,一方面,该估计量使用了所有可用的数据,并且允许缺失的协变量与响应高度相关;另一方面,该估计量在所有分位数水平上满足一致性和渐近正态性.通过模拟验证了该方法的在有限样本下的有效性,进一步将该方法推广到线性多元回归模型和非参数回归模型.     

可加模型的两阶段局部M-估计

研究了可加模型分量回归函数的局部M-估计, 针对分量回归函数及其导数提出了两阶段局部M-估计的方法. 在较广泛的条件下建立了估计量的渐近正态性理论, 估计量具有先知性质(oracle property), 即在估计某一分量回归函数时,其他分量回归函数是否已知不影响估计量的渐近性质. 渐近理论包括了两类常用的估计量,即最小二乘估计和最小一乘估计. 当ψ是连续的且是非线性时,估计量的实施非常耗时,为了减轻计算的负担, 提出了一步局部M-估计量, 并证明了在初始估计量足够好的情形下, 一步局部M-估计量与完全迭代所得到的估计量具有相同的渐近估计效率, 这使得两阶段局部M-估计的方法较为实用. 两阶段局部M-估计量继承了局部多项式估计的优点, 同时克服了其在最小二乘准则下不稳健的缺点. 另外, 还讨论了估计方法实施方面的细节及有关参数的选择方法. 数值模拟结果及实际例子说明了两阶段局部M-估计方法的优点及实用性.     

基于最小化复合分位损失函数的尺度参数估计和异质性检验

在进行回归分析时,对误差项离散程度的度量是一个重要话题.文章利用最小化复合分位损失的方法,对误差项的尺度参数进行估计,并证明估计量的大样本性质.进一步的研究表明:通过选取合适的分位数,能得到尺度参数的最优估计,并以此进行异质性检验.模拟结果表明,在重尾条件下所提出的方法有更高的精度.实际数据应用体现了该方法的良好性能.     

α-混合误差异方差部分线性EV模型的小波估计的Berry-Esseen界（英文）

本文使用小波估计和最小二乘的方法研究误差为α-混合异方差的部分线性EV模型,给出了参数和非参数部分的小波估计.在一般的条件下得到了小波估计量的Berry-Esseen界.     

缺失数据下基于众数回归的变系数部分非线性模型的估计

针对响应变量随机缺失的变系数部分非线性模型,提出了一种稳健的基于众数回归的估计方法.采取逆概率加权方法,利用QR正交分解技术,分别得到了未知参数和变系数函数的众数回归估计量.在一定条件下,证明了估计量的渐近性质.通过数值模拟和实际数据分析,说明了所提估计方法的有效性.